Serie ComfyUI (XVIII) — FLUX Turbo: generación rápida y nuevos workflows
- hace 2 días
- 11 min de lectura
Continuamos la Serie ComfyUI, donde estamos explorando cómo llevar el control en generación de imágenes con IA en local un paso más allá.
En los últimos artículos hemos aprendido a:
controlar la estructura (ControlNet)
aplicar estilo (LoRA)
combinar múltiples controles (Multi-ControlNet)
trabajar con personajes y pose
👉 En resumen: hemos ganado control.
Pero cuando empiezas a trabajar en serio con estos workflows aparece un problema que no se ve al principio:
👉 la velocidad
Cuando trabajas con workflows complejos, cada generación tarda, cada cambio implica esperar, cada prueba rompe el ritmo, y esto tiene un impacto directo, porque en cuanto puedes generar más rápido, pruebas más ideas, iteras sin fricción y descubres más resultados
En este artículo no vamos a añadir más control, vamos a hacer algo diferente: vamos a recuperar la velocidad
Al principio parece que el problema es la GPU, pero en realidad el problema suele ser otro: la velocidad de iteración, porque cuando una generación tarda demasiado haces menos pruebas, ajustas menos parámetros, experimentas menos, comparas menos resultados, y eso afecta directamente a la creatividad. Por eso la velocidad no sirve solo para ahorrar tiempo, sirve para pensar diferente, y aquí es donde empiezan a tener sentido modelos como FLUX Turbo.
FLUX Turbo no intenta competir directamente con workflows ultra complejos, control extremo,..., su objetivo es otro: permitir generar mucho más rápido manteniendo un nivel de calidad muy alto.
🎯 Qué vas a lograr
En este artículo vamos a construir un workflow rápido y minimalista basado en FLUX Turbo dentro de ComfyUI.
Al finalizar este artículo serás capaz de:
Entender qué es FLUX Turbo
Construir un workflow funcional y extremadamente ligero en ComfyUI
Generar imágenes utilizando muy pocos pasos de inferencia
Optimizar velocidad sin romper completamente la calidad
🧩 Requisitos
Para seguir este artículo y ejecutar correctamente el workflow basado en FLUX Turbo dentro de ComfyUI, necesitas lo siguiente:
💻 Entorno
Necesitas tener:
ComfyUI instalado y funcionando correctamente
GPU recomendada para obtener buenas velocidades de generación
👉 Aunque FLUX Turbo está optimizado para velocidad, sigue siendo un modelo de generación de imágenes avanzado.
🧠 Modelo FLUX
En este workflow utilizamos el siguiente modelo:
flux.1-lite-8B-alpha.safetensors (descargable de: https://huggingface.co/Freepik/flux.1-lite-8B-alpha/tree/main)
🧠 DualCLIP (doble encoder)
FLUX utiliza un sistema DualCLIP, por lo que necesitamos cargar dos modelos de texto:
t5xxl_fp16.safetensors (https://huggingface.co/GraydientPlatformAPI/flux-clip/tree/main)
clip_l.safetensors
👉 Esto es una diferencia importante respecto a muchos workflows SDXL más simples, ya que el sistema DualCLIP permite interpretar mejor prompts complejos, mejorar coherencia textual y optimizar la generación incluso con pocos pasos
🧠 VAE
Se utiliza: ae_flux.sft (https://huggingface.co/GraydientPlatformAPI/flux-clip/tree/main
🗂️ Crear o cargar el workflow en ComfyUI
Tienes dos maneras de trabajar con este flujo:
🅰️ Opción A — Cargar el workflow ya creado
1️⃣ Descarga el archivo JSON adjunto:📁 wf_ComfyUI_FLUX_Turbo_Alpha_Simple.json
2️⃣ Abre ComfyUI.
3️⃣ En el menú superior selecciona:Workflow → Load
4️⃣ Carga el archivo JSON. Verás en el lienzo todos los nodos conectados y listos para funcionar.
🅱️ Opción B — Crear el workflow desde cero
Si prefieres entenderlo pieza a pieza, puedes recrearlo manualmente. En la siguiente sección explicamos qué hace cada bloque del flujo.
Qué es FLUX Turbo
FLUX Turbo es una variante optimizada de los modelos FLUX diseñada para priorizar velocidad e iteración rápida dentro de workflows de generación de imágenes. Su objetivo principal no es alcanzar el máximo nivel de control posible, sino, generar imágenes útiles en mucho menos tiempo.
FLUX turbo es, ante todo, un modelo FLUX. Si quieres ver más en detalle las diferencias entre FLUX y SDXL, en nuestro artículo "Serie ComfyUI (XV) — ControlNet + LoRA en FLUX: nuevas opciones para control de forma y estilo" hay un capítulo donde se explica en más detalle "Qué cambia realmente al usar FLUX".
La filosofía de FLUX Turbo es menos complejidad, menos pasos y más velocidad.
⚡ Qué cambia respecto a SDXL
SDXL | FLUX Turbo |
Más control fino | Más velocidad |
Más pesado | Más ligero |
Más precisión | Más iteración |
Más pasos | Menos pasos |
Workflows complejos | Workflows simples |
FLUX Turbo reduce tiempos principalmente gracias a:
modelos optimizados
menor necesidad de inferencia prolongada
pipelines más ligeros
generación eficiente incluso con pocos steps (lo que permite trabajar con valores bajos, 10-15 steps)
⚙️ El workflow: estructura general
La lógica del workflow es la siguiente:
UNET (FLUX)
↓
DualCLIP
↓
Prompt
↓
BasicGuider
↓
BasicScheduler
↓
SamplerCustomAdvanced
↓
VAE Decode
↓
Preview / Save
🧩 Qué hace cada bloque
Bloque | Función |
UNETLoader | Carga el modelo FLUX |
DualCLIPLoader | Carga los encoders de texto |
CLIPTextEncode | Interpreta el prompt |
BasicGuider | Combina prompt + modelo |
BasicScheduler | Define steps y scheduler |
RandomNoise | Genera el ruido inicial |
EmptyLatentImage | Define resolución |
KSamplerSelect | Selecciona sampler |
SamplerCustomAdvanced | Genera la imagen |
VAELoader | Carga el VAE |
VAEDecode | Convierte latente → imagen |
Preview / Save | Visualiza y guarda |
🔗 Cómo fluye la información
En este workflow se combinan tres flujos principales:
🧠 1. Flujo del modelo
El modelo FLUX define la capacidad de generación.
UNETLoader
↓
BasicGuider
↓
Sampler
👉 Este flujo aporta la “inteligencia visual”.
📝 2. Flujo del prompt
El texto se convierte en conditioning mediante DualCLIP.
DualCLIP
↓
CLIPTextEncode
↓
BasicGuider
↓
Sampler
👉 Aquí se define estilo, composición, iluminación y escena
🎲 3. Flujo de generación
Aquí es donde realmente “aparece” la imagen.
Noise + Latent
↓
Sampler
↓
Imagen latente
🧱 Entendiendo el workflow paso a paso
Vamos ahora a analizar el workflow nodo a nodo para entender cómo funciona realmente FLUX Turbo dentro de ComfyUI.
1️⃣ UNETLoader (modelo FLUX)
Qué hace:
carga el modelo principal de generación utilizado en el workflow. En este caso:
flux.1-lite-8B-alpha.safetensors (https://huggingface.co/Freepik/flux.1-lite-8B-alpha/tree/main)
Este nodo es el núcleo del sistema y aporta la capacidad de generar imágenes.
Qué tocar:
El modelo FLUX cargado. Puedes probar versiones distintas de FLUX o modelos optimizados diferentes.
Estos modelos FLUX se guardan en ComfyUI en la siguiente ruta:
C:\pinokio\api\comfy.git\app\models\unet
Salida:
MODEL → BasicGuider
MODEL → BasicScheduler
2️⃣ DualCLIPLoader (doble encoder)
Qué hace: carga los encoders de texto utilizados por FLUX. En este caso, se utilizan dos (t5xxl_fp8_e4m3fn.safetensors y clip_l.safetensors), que convierten el texto en una representación comprensible por el modelo FLUX. Convierten las frases escritas en el prompt en vectores numéricos.
Qué tocar:
solo asegúrate de tener ambos archivos CLIP descargados y colocados en la carpeta correspondiente (C:\pinokio\api\comfy.git\app\models\clip). Puedes probar otros CLIP si deseas estilos de interpretación distintos.
Salida:
CLIP → CLIPTextEncode
3️⃣ CLIPTextEncode (prompt)
Qué hace: convierte el texto del prompt en conditioning utilizable por el modelo.
Prompt utilizado en este workflow:
futuristic industrial building, cinematic lighting, ultra detailed, sci-fi environment
Qué tocar:
El contenido del prompt.
En FLUX Turbo el prompt tiene todavía más importancia porque el workflow tiene menos capas de control adicionales.
Salida:
CONDITIONING → BasicGuider
4️⃣ BasicGuider (guía de generación)
Qué hace: este nodo guía el proceso de generación de la imagen. Combina:
el modelo FLUX
el conditioning generado por el prompt
Qué tocar:
Normalmente no requiere ajustes en workflows simples.
Salida:
GUIDER → SamplerCustomAdvanced
5️⃣ BasicScheduler (scheduler y steps)
Qué hace: define el proceso de difusión. Controla el número de pasos de muestreo y el tipo de escalado del ruido. En otras palabras, determina cómo evoluciona el ruido hacia la imagen fina
Qué tocar:
shceduler: (en este caso hemos escogido "normal")
Define el tipo de curva o método que se usa para calcular la reducción del ruido.
Cada tipo tiene su propia forma de distribuir los pasos y puede afectar el estilo, contraste o suavidad de la imagen.
steps:
Indica cuántos pasos de difusión se harán (por ejemplo, 20, 30, 50...).
👉 Aquí aparece una de las claves de FLUX Turbo: funcionar correctamente con muy pocos steps. En este caso hemos puesto 12
Más pasos = más detalle, pero tarda más.
denoise
Controla cuánta fuerza de denoising se aplica (valor entre 0 y 1).
1 → Genera desde ruido total (imagen nueva).
0.5 → Aplica cambios suaves (útil para re-generar sin perder la forma original).
Salida:
SIGMAS → Sampler
6️⃣ RandomNoise (ruido inicial)
Qué hace: genera el ruido inicial con el que el modelo empezará a trabajar. Cada ejecución crea un patrón aleatorio distinto (a menos que se fije la semilla).
Qué tocar: puedes fijar la seed (semilla) si quieres resultados reproducibles. Si la dejas en “randomize”, cada ejecución generará una imagen distinta.
Salida:
NOISE → SamplerCustomAdvanced
7️⃣ EmptyLatentImage (resolución)
Qué hace: crea un lienzo latente vacío con la resolución deseada. Este “espacio latente” es donde el modelo aplicará el proceso de difusión.
Qué tocar: define el tamaño (ancho y alto) y el número de imágenes por lote (batch_size).
Por ejemplo en nuestro caso: 768 ×768y 1 imagen por ejecución.
Para seleccionar las dimensiones deberías tener en cuenta las dimensiones de la imagen de entrada.
Salida:
LATENT → SamplerCustomAdvanced
8️⃣ KSamplerSelect (sampler)
Qué hace: permite seleccionar el sampler que usará el modelo durante el proceso de denoising.
El sampler (muestreador) controla cómo el modelo aplica los pasos de denoising (reducción del ruido) para convertir el ruido inicial en una imagen coherente. En otras palabras: Mientras el scheduler define el “ritmo” de limpieza del ruido,el sampler define el método matemático con el que esa limpieza se realiza.
Cada sampler usa una fórmula distinta para calcular la siguiente imagen intermedia a partir de la anterior.
Qué tocar: selecciona un sampler en el menú desplegable. Los más comunes son:
Euler → rápido y estable (usado aquí).
DPM++ 2M → más suave, con mayor detalle.
UniPC → más control, aunque más lento.
Salida:
SAMPLER → SamplerCustomAdvanced
9️⃣ SamplerCustomAdvanced (generación)
Qué hace: es el núcleo real del workflow. Aquí se combinan modelo, prompt, scheduler, ruido y latent image, y se genera la imagen latente final.
Qué tocar:
Este nodo recibe la mayoría de ajustes importantes desde otros nodos.
Salida:
LATENT → VAEDecode
🔟 VAELoader (VAE)
Qué hace:
carga el VAE utilizado para convertir el resultado latente en imagen visible.
En este workflow: ae_flux.sft
Qué tocar:
modelo VAE cargado
Salida:
VAE → VAEDecode
1️⃣1️⃣ VAEDecode (decodificación)
Qué hace:
Convierte el resultado latente generado por el sampler en una imagen visible.
Sin este nodo seguiríamos teniendo únicamente información matemática interna.
Qué tocar:
Nada en este workflow.
Salida:
IMAGE → PreviewImage
IMAGE → SaveImage
1️⃣2️⃣ PreviewImage / SaveImage (resultado)
Qué hacen:
visualizar el resultado
guardar la imagen en disco
Qué tocar:
nombre de guardado
organización de outputs
Salida:
imagen final generada
🎛️ Ajustes clave: cómo controlar el resultado
Una de las mayores ventajas de FLUX Turbo es que permite obtener resultados útiles con muy pocos parámetros, pero precisamente por eso, algunos ajustes tienen un impacto enorme en el resultado final.
⚡ 1. Steps — velocidad vs calidad
Es probablemente el parámetro más importante del workflow. En este ejemplo utilizamos 12 steps, y aquí aparece una de las grandes diferencias respecto a muchos workflows SDXL tradicionales. FLUX Turbo puede funcionar sorprendentemente bien con muy pocos pasos.
Cada step representa una iteración adicional donde el modelo refina la imagen.
Steps | Resultado |
6–8 | Muy rápido pero más inestable |
10–15 | Equilibrio ideal |
20+ | Más detalle pero menos ventaja de velocidad |
👉 En FLUX Turbo normalmente no tiene sentido usar valores extremadamente altos.
📐 2. Resolución — detalle vs rendimiento
La resolución se define en: EmptyLatentImage. En este workflow: 768 × 768
Este valor busca equilibrio entre calidad, velocidad y consumo de VRAM. Más resolución significa mas detalle, mejor definiciion, más tiempo de generación y más consmo de memoria.
Resolución | Uso recomendado |
512 | pruebas ultrarrápidas |
768 | equilibrio ideal |
1024 | más calidad pero más lento |
👉 Si el objetivo es iterar rápido, normalmente 768 funciona muy bien.
🎲 3. Seed — controlar variantes
La seed controla el ruido inicial. Cambiar la seed permite generar imágenes completamente distintas manteniendo mismo prompt, mismos parámetros y mismo workflow
Una de las grandes ventajas de workflows rápidos como este es precisamente poder probar muchas seeds sin perder ritmo.
⚙️ 4. Sampler — comportamiento de generación
En este workflow utilizamos Euler porque funciona especialmente bien con pocos steps, workflows rápidos y pipelines ligeros.
Distintos samplers producen comportamientos distintos, suavidad distinta, convergencia distinta y estabilidad distinta
👉 Euler suele ser una opción muy equilibrada para FLUX Turbo.
📝 5. Prompt — más importante de lo que parece
En workflows complejos muchas veces el control viene de ControlNet, LoRA,...
Aquí no. En FLUX Turbo simple, el prompt tiene muchísimo peso.
🧪 Casos típicos y cómo corregirlos
Aunque FLUX Turbo está diseñado para trabajar de forma rápida y sencilla, eso no significa que siempre vaya a generar resultados perfectos. De hecho, precisamente porque utiliza pocos steps y workflows ligeros, algunos problemas aparecen con bastante frecuencia.
⚠️ Problemas más habituales
Caso | Qué ocurre | Causa probable | Solución |
🔴 Imagen pobre | Poco detalle o calidad baja | Steps demasiado bajos | Subir steps ligeramente |
🔴 Imagen borrosa | Falta definición | Resolución baja o prompt débil | Subir resolución o mejorar prompt |
🔴 Resultado extraño | Composición incoherente | Prompt demasiado complejo | Simplificar prompt |
🔴 Imagen lenta | Generación demasiado pesada | Resolución o steps altos | Reducir parámetros |
🔴 Resultado repetitivo | Variantes muy similares | Seed fija | Cambiar seed |
🔴 Estilo inconsistente | Resultados poco coherentes | Prompt ambiguo | Reforzar estilo en prompt |
🔴 Imagen “vacía” | Escena poco interesante | Prompt demasiado corto | Añadir más contexto visual |
🔴 Resultado demasiado simple | Falta riqueza visual | Muy pocos detalles en prompt | Añadir iluminación, ambiente y composición |
🔁 Qué puedes probar a continuación
Una vez que entiendes cómo funciona FLUX Turbo, empieza la parte realmente interesante: experimentar. Y aquí es donde este tipo de workflows muestran todo su potencial, porque al reducir tiempos de generación puedes probar muchísimas más ideas en menos tiempo.
🧪 Prueba | ⚙️ Qué hacer | 👀 Qué vas a observar |
⚡ Cambiar los steps | Probar valores: 6 / 8 / 10 / 12 / 16 | Equilibrio entre velocidad, detalle y estabilidad |
🎲 Cambiar la seed | Mantener el prompt y modificar únicamente la seed | Nuevas composiciones, cámaras y variantes visuales |
📝 Ajustar el prompt | Añadir o quitar elementos del prompt progresivamente | Cómo pequeños cambios alteran completamente el resultado |
🎨 Probar estilos distintos | Cambiar el estilo del prompt: anime, cyberpunk, sci-fi, retro, etc. | Diferencias estéticas y comportamiento del modelo |
📐 Cambiar resolución | Probar 512 / 768 / 1024 | Impacto en calidad, composición y velocidad |
⚙️ Cambiar sampler | Probar Euler, Heun, DPM++ o Euler Ancestral | Diferencias en estabilidad y suavidad de generación |
🚀 Usarlo para ideación rápida | Generar muchas versiones rápidas de una misma idea | Cómo FLUX Turbo acelera exploración creativa |
🔄 Comparar con SDXL | Generar el mismo prompt en FLUX y en SDXL | Diferencias entre velocidad, control y calidad |
🧠 Simplificar prompts | Reducir prompts excesivamente complejos | Cómo FLUX Turbo responde mejor a prompts más claros |
🎛️ Combinar pequeños cambios | Cambiar una sola variable cada vez | Entender realmente qué parámetro afecta a cada resultado |
🗺️ Conclusión
En este artículo hemos explorado una idea muy diferente a la de los últimos workflows de la serie: cambiar calidad por velocidad, y eso cambia completamente la experiencia de trabajo.
Porque cuando puedes generar imágenes rápidamente:
experimentas más
iteras más
comparas más resultados
descubres ideas nuevas más fácilmente
👉 Pasas de optimizar una imagen… a explorar posibilidades.
Ahora que ya entiendes cómo funciona FLUX Turbo, puedes empezar a utilizarlo como parte real de tu flujo de trabajo.
Por ejemplo:
generar ideas rápidas en FLUX
seleccionar las mejores variantes
llevar después esas ideas a workflows complejos con SDXL
Velocidad para explorar. Control para perfeccionar.
Si quieres seguir aprendiendo a dominar la IA en local y construir workflows realmente útiles:
🌐 Recursos útiles
🌍 Hugging Face: uno de los mayores repositorios de IA del mundo, donde encontrarás miles de modelos listos para descargar y usar.
🎨CivitAI: plataforma comunitaria donde los usuarios comparten modelos, estilos, LoRAs y nodos específicos para ComfyUI, clasificados por categoría, versión y nivel de complejidad.
Recursos dentro del workflow:
Modelo Flux Turbo: flux.1-lite-8B-alpha.safetensors (https://huggingface.co/Freepik/flux.1-lite-8B-alpha/tree/main))
🧠 En Lozkorp:
Descubre el artículo previo donde introdujimos ComfyUI dentro del ciclo “Generación de imágenes con IA en local (IV)”:🔗 Generación de imágenes con IA en local (IV) — ComfyUI
Serie ComfyUI (V) -- Generar imágenes a partir de prompts guardados en un archivo de texto
Serie ComfyUI (VI) — Extraer prompts desde una carpeta de imágenes (WD14 Tagger)
Serie ComfyUI (VII) — Img2Img simple: mejorar o modificar una imagen en local
Serie ComfyUI (VIII) — Upscale de imágenes: qué es, cómo funciona y workflow comparativo
Serie ComfyUI (IX) — Upscale y normalización automática de imágenes
Serie ComfyUI (XI) — Introducción a ControlNet: control real sobre la forma
Serie ComfyUI (XII) — ¿Qué es un LoRA y cómo usarlo en Stable Diffusion?
Serie ComfyUI (XIII) — Multi-LoRA: cómo combinar estilos sin romper la imagen
Serie ComfyUI (XIV) — ControlNet + LoRA en FLUX: nuevas opciones para control de forma y estilo
Serie ComfyUI (XV) — ControlNet + LoRA en FLUX: nuevas opciones para control de forma y estilo
Serie ComfyUI (XVI) — Multi-ControlNet: combinando varios controles en un mismo workflow
Serie ComfyUI (XVII) — Multi-ControlNet para personajes: controlando pose y detalle
Archivo JSON de este ejemplo 📁 wf_ComfyUI_FLUX_Turbo_Alpha_Simple.json
Comentarios